什么是分段回归？

在某些情况下，您可能希望对数据的不同部分拟合不同的模型。这被称为分段回归。这种情况常出现在药代动力学实验中，即在记录数据的同时添加药物或进行某种干预。干预前收集的数据遵循的模型与干预后收集的数据遵循的模型不同。

如果数据在X轴上的某个特定时间点未进行干预，那么这种分段回归通常并非首选的分析方法。

如何使用 Prism 进行分段回归？

尽管 Prism 没有内置方程可对数据的不同部分拟合不同的方程，但您可以通过包含 IF 函数的用户自定义方程来实现这一效果。

在本示例中，您在实验早期（直至“Start”）收集了建立基线的数据。随后您添加了药物，并追踪了结果（Y）随时间增加直至达到平台期的过程。注射前，数据呈水平线状；注射后，数据形成了一条指数关联曲线。

Y1=基线

Y2=基线 + SPAN*(1-exp(-K*(X-START)))
Y=IF[(X<START),Y1,Y2)]

 

要理解这个方程，最简单的方法是先看最后一行。当 X 值小于 START 时，Y 等于 Y1，即基线值。否则，Y 等于 Y2，由指数关联方程定义。

该方程包含两个中间变量（Y1 和 Y2）。Prism 可以拟合四个真实变量：START、SPAN、K 和 BASELINE。

在许多情况下，您会将START设为一个常数，其值等于实验干预的时间点。如果您希望Prism对START进行拟合，请谨慎选择初始值。

当 X 表示时间，且在特定时间点发生某种事件导致模型发生变化时，此类模型最为适用。在本示例中，药物是在时间点 Start 时注射的。

如何仅对部分数据拟合模型？

非线性回归对话框中的“范围”选项卡允许您定义 X 范围，从而确定哪些数据点被拟合，哪些被忽略。